前一段时间，小编每天风吹雨淋，只为找到一个温馨的小房子。好不容易看到一个心目中的完美小屋，在谈好价格飘飘然并要正式线下签约的前一天被告知，完美小屋被人用电子合同预定了。

感觉失去了一个亿......电子合同是个什么鬼？怀着悲愤的心情，小编学习了一下这个厉害玩意儿。

电子合同是双方或多方当事人通过电子信息网络以电子的形式达成的设立、变更、终止民事权利义务关系的协议。

如今，电子合同越来越多的出现在人们的生活中，它相较于纸质合同，究竟有哪些优势呢？

先说说纸质合同和电子文档的缺点，对于规模企业来说，线下合同需要投入巨大的时间成本和人力成本。

有商业的地方就有合同，电子合同的市场规模能有多大很难估量。全国企业总数约为7000万户，其中规模企业约占两成。若以1400万个客户，每户每年50份合同计算，签署的合同总量为7亿份，这是一个相当保守的估计。

如果是集团门户网站，未来的客户量可能是百万级别的，每个客户签一份有效的用户服务协议，一年的开支可能就要百万。而这仅仅只是一个平台的费用。
正因为线下合同这些高成本、低效率的缺点，可以预见的是未来电子合同的市场规模会越来越大。基于此，兴业数金上线了“倚天鉴-电子合同平台”，为企业提供各类签署服务。

倚天鉴-电子合同平台，结合“数字证书+在线合同签署+区块链联盟存证”技术的专业化服务平台，为合同签署各机构、个体提供安全、便捷及合规的跨平台、跨应用和跨区间的线上合同签署及存证服务。

电子合同的两大基础

1.法律基础

根据《合同法》、《电子签名法》、《电子商务法》以及《电子合同在线流程规范》等法规、标准规定，满足以下条件的的电子合同和纸质合同具有同等法律效力：

1、使用第三方电子合同服务提供商的电子合同订立系统

2、使用可靠的数字签名技术

3、取证和鉴定符合法律要求

2.技术基础

非对称算法：

1976年，美国学者Dime和Henman为解决信息公开传送和密钥管理问题，提出一种新的密钥交换协议，允许在不安全的媒体上的通讯双方交换信息，安全地达成一致的密钥，这就是“公开密钥系统”。

与对称加密算法不同，非对称加密算法需要两个密钥：公开密钥（publickey）和私有密钥（privatekey）。

公开密钥与私有密钥是一对，如果用公开密钥对数据进行加密，只有用对应的私有密钥才能解密；如果用私有密钥对数据进行加密，那么只有用对应的公开密钥才能解密。因为加密和解密使用的是两个不同的密钥，所以这种算法叫作非对称加密算法。

数字指纹：

指通过一定的摘要算法，对文件生成不可逆的特征码。就像每个人的指纹一样，任何不同的数据经过摘要算法后得到的结果都是不同的，而任何相同的数据经过摘要算法后得到的结果都是相同的。

因此，摘要结果称之为数字指纹。摘要算法也常常用于实现数据的完整性校验。我们将数据进行一次摘要运算，将结果与数据原文同时保存或发送给另一方；在校验时，将数据原文再做一次摘要，并将结果与原摘要结果进行比对，如果相同说明未被篡改，如果不同则说明原文被篡改。

数字签名：

数字签名的目的有两个，分别是防抵赖和防篡改。因此，数字签名是非对称算法和数字指纹的联合使用。其原理如下：

 倚天鉴的五个杀招

第一招：摞积木式搭建签署流程

过去，大多数人对人工智能一直持有保守意见。直到人工智能等一系列新兴技术逐渐做出新的实践和应用，人们才开始真正想象未来。近期，谷歌Deepmind团队展示了他们更强大的新版本围棋程序AlphaGo Zero后，人工智能更是热议不断。

关于人工智能，究竟有多少应用价值是真材实料？多少是虚火过旺？

对此，我们对Gartner关于人工智能的研究报告进行整理总结，归纳成49条研究笔记，旨在帮助大家快速了解人工智能及其应用价值。相信看过这些笔记的你一定能有所收获。

让IT和商业更广泛地应用人工智能

1、“炒作的伤害：避开危险的人工智能神话”：没有人工智能的促进，成功几乎是不可能的，但是夸大它会导致错误的期望、夸张的假设、妄想、混淆和恐惧。技术创新领导者应该要有人工智能投资的坚实理由和他们生存能力的清楚证明，并创建一个小型的人工智能专家中心来测试真实世界的收益。

2、“准备好面对人工智能和物联网的驱动下软件和SaaS定价发生的大变革”：人工智能（和物联网）将会大大降低基于设备和用户名的软件和SaaS的定价。采购和供应商管理领导人现在应该计划利用这一变化保持投资、协商价格公制的保护和交换合同中的条款。

3、“发展你的人工智能策略，期待这三种趋势塑造它的未来”：这三大趋势将推动人工智能成为一种能够实现商业策略的实际能力：通过自然语言处理改善双向沟通；与现有的应用程序更深更广的集成；和物联网项目和与其他人工智能系统的合作。这个笔记将描述首席信息官和IT领导者可以做些什么来预测这些趋势。

4、“询问那些声称自己拥有人工智能技术的供应商的问题”：几乎每个应用程序或者平台供应商都保证自己拥有人工智能。这项研究指导IT领导人了解那些声称自己拥有人工智能能力的供应商，澄清什么是真正的人工智能能力及其对组织的价值。

5、“缺乏对人工智能授权的关注将导致更高的成本、风险和长期的困扰”：组织应该了解人工智能的采购与传统软件许可证或者SaaS的不同，并采取行动降低风险，将人工智能的投资回报最大化。

6、“在企业中应用人工智能框架”：Gartner研究的这一集合介绍了IT和业务部门核心的人工智能技术，以及他们的区别和他们的能力在组织中应用。

7、“企业软件提供商应该（不应该）如何利用人工智能中断”：技术服务提供商（TSPs）可以帮助终端用户组织避开人工智能的混淆和炒作并快速评估人工智能的选项。了解人工智能给你带来的不同之处，专注于它解决的业务问题以及提供能展现有形投资回报的案例研究。

8、“人工智能入门2017”：从2015年到2016年，要求谈论与人工智能相关话题的Gartner客户要求增加了两倍。这项研究概述了首席信息官和IT领导者这些关键客户所面对的人工智能挑战和Gartner现在的人工智能研究方向，并提供了一系列在线资源包括会议和事件的链接。

9、“人工智能和应用程序安全供应商：营销炒作还是真正的希望？”：人工智能开始出现在许多对于安全DevOps环境常见的工具中，例如应用程序安全性测试（AST）和网络流量分析。但安全与风险管理领导者应该准备好确定这些工具相比于传统的产品是否能够提高速度和准确性。

10、“中国会话人工智能市场指南”：通过语音或文字进行语境对话的会话人工智能在政府的强力支持下，在中国迅速发展。这个市场指南给了技术创新领导者关于这个快速发展市场的动态和参与玩家的指导。

11、“2017年十大战略技术趋势：人工智能和先进机器学习”：人工智能和机器学习需要有实验和失败的意愿所以当应用于实际业务问题时组织可以测试这些能力。使用灵活、创新、敏捷的方法处理人工智能的IT领导者将获得巨大的收获。这项研究描述了三种这样的处理方式。

12、“投资意义：2017年十大战略技术趋势：人工智能和先进机器学习”：人工智能趋势将对特定的IT厂商产生重大影响，在这个单页文件中指向机构投资者两个重点领域：物联网和云服务。所有这些供应商正在竞相将这些功能纳入其核心战略。

13、“投资意义：‘增强分析是数据和分析的未来’”：“增强分析”利用机器学习和自然语言生成来自动化分析流程，并缩短分析所需时间以获得准确和可操作的深刻见解。这个单页文档帮助机构投资者识别这一趋势中的关键分析供应商。

建立人工智能基础：战略、技能、组织、技术

14、“如何以更少的焦虑开始一个机器学习计划”：数据和分析领导者应该利用他们已经拥有的商业头脑、分析思维、高价值数据并进一步精通这些技术，将这些技术加入他们的数据和分析项目中来应对人工智能和机器学习。

15、“对于人工智能来说四个数据管理的最佳实践”：管理支持人工智能的数据不是一次性的活动，而是一个不间断的活动。该活动应该成为你的数据管理和数据治理策略的一部分。

16、“市场洞察：会话平台入门”：技术和服务提供商必须开发并使用新兴的会话平台生态系统当消费者和组织转向语音和虚拟个人助理时。针对虚拟个人助理，本研究使IT领导者了解会话市场中的供应商动态。

17、“首席数据官的人工智能战略指南”：为了利用人工智能，数据和分析领导者，尤其是首席数据官，必须拓宽他们的策略，评估对两种商业模式和客户体验的影响，并准备迎接一系列其他的战略挑战。

18、“寻求人、数据和算法的多样性来保持人工智能的诚实”：为了抵消人工智能系统中固有的偏见错误，数据和分析领导应该使他们的人工智能团队、数据源和问题的选择多样化。这项研究给出了具体实施步骤。

19、“可扩展企业机器学习基础实施战略的三要素”：机器学习基础设施和工作负载与传统的企业应用程序有很大的不同。IT领导者可以使用三种最佳实践来创造这些技术所需的高性能、可扩展的基础设施。

20、“调查分析：企业涉猎人工智能领域但却因技术差距而受阻”：在2016年的一项Gartner客户调查中，超过三分之二的被调查者优先考虑使用人工智能方案来改进决策制定和自动化流程。但主要的限制因素是缺乏必要的员工技能。这项调查概述了IT领导人在短期内应对人工智能挑战的做法。

21、“为你的深度学习需求找到合适的加速器”：相比于传统的机器学习模型，例如相对于逻辑回归和数据树的基础设施，深度学习的基础设施对于计算密集性和数据密集性的要求则要大得多。IT领导者应该评估“加速器技术”从而加速向有效率的人工智能基础设施转型。

22、“市场洞察：如何利用会话式人工智能推动数字商务”：数字商务正在拥抱人工智能技术尤其是通过会话式的人工智能来加强用户体验。数字商务供应商的技术产品管理领导者应该以人工智能基础，语音驱动的用户体验去创造新的收入机会。

在广泛适用的情况下使用人工智能

23、“人工智能前沿：融合人工智能和物联网将催生新的数字价值创造”：人工智能和物联网强有力地相互补充，每一个都有技术力量解决对方的弱点。有远见的负责战略物联网项目的首席信息官能够将这些技术结合起来，创建一个强大的数字业务新平台。

24、“人工智能将改变应用程序开发——现在要做的事情”：应用程序的领导者需要结合人工智能工具和服务去了解人工智能如何影响应用程序开发。

25、“采购智能自动化应用程序管理服务的商业案例”：应用程序管理消耗了52%的应用程序开销，借用人工智能相关技术的智能自动化可以在这一至关重要的过程中引入效率和有效性。采购和供应商管理领导者通过在供应商的应用程序管理服务提案中要求，从而利用服务提供者在智能自动化中的投资。

26、“会话平台架构”：通过聊天机器人框架和虚拟助手（虚拟客户助理[VCA]，虚拟采购助手[VPA]和虚拟员工助手[VEA]）进行会话接口将彻底改变人类与机器的关系。这些看似不同的平台有很多共同点。企业架构和技术创新领导者应该计划将会话技术合并到一个可以服务多个企业用例的平台中。

27、“数字客户服务第三部分——通过有选择地引入机器人流程自动化、机器人和人工智能来更新过程控制”：客户服务操作正在被诸如机器人过程自动化、聊天机器人和人工智能的新技术所革新。这项研究帮助负责客户服务的供应链领导者探索这些选项、构建自动化路线图和开发数字敏捷技巧去应用这些技术。

28、“现在开始投资增强机器学习能力来进行欺诈检测”：安全和风险管理领导者必须看穿对机器学习和人工智能的炒作，去了解正在出现的机器学习类型和适合每个方法的用例。这项研究将有助于指导合理的投资决策，从而提高整体的欺诈检测水平。

29、“利用高级分析实现更智能的自适应访问管理”：包括机器学习在内的高级分析工具提高了实时识别和访问管理。这个文档为技术专业人员提供了使用供应商方法的视角，使用技术让自适应访问管理更加智能化。

30、“使用日常的人工智能最大化Office 365和G套件的有效性”：而不是专注于针对人工智能应用。这份报告引入了“日常人工智能服务”的概念，它已成为现有的SaaS办公套件（如G套件和office 365）中的正常工作流程。应用领导者应监控日常人工智能的包容度与成熟度从而通过改进个性化、推荐、提醒和搜索来加强员工的工作体验。

31、“现在就开始为人工智能对采购的影响做准备”：采购技术供应商正添加一系列以机器学习特性来进一步的自动化采购流程。但是为了利用人工智能的所有价值，在采购方面的IT领导者需要推动接纳更好的采购基础解决方案。

32、“人工智能虚拟支持代理何时取代你的IT服务台？”：负责IT服务台的基础设施和运营领导者热衷于利用人工智能技术优化IT支持。但在技术或者工作场所准备好依靠虚拟代理前有很多的准备工作需要做。

33、“智能自动化对管理工作场所服务的影响”：部分基于人工智能和机器学习的智能自动化将改变管理工作场所服务的提供。采购和供应商管理领导者应该现在就做好重组服务和重新商谈合同的准备以充分利用这种能力的好处。

34、“增强分析是数据和分析的未来”：增强分析是为广泛的业务用户、操作人员和平民数据科学家等使用机器学习进行自动化数据准备、洞察发现和洞察分享的下一代数据和分析范本。数据和分析领导者在这些功能成熟时应该采取行动来评估、采纳和优化它们。

35、“现在将人工智能加入你的B2B销售组织来提高收入”：关于人工智能的炒作和错误信息使B2B销售公司很难制定现实的目标和时间表来有效的利用它。负责客户关系管理和客户体验活动的IT领导者应该从商业案例出发：识别能用人工智能提升的具有最大潜力的战略业务驱动力和战术用例。

36、“使用分析来支持和丰富你的信息治理战略”：曾经长期用于为特定用例进行信息治理应用的机器学习正在变得越来越广泛的集成于供应商产品中。负责为信息治理现代化基础设施的基础设施和运营领导者应该准备好去评估服务信息治理的人工智能能力，利用现存的能力并专注于减少手动交互。

37、“人工智能和机器学习对人力资本管理的影响”：人工智能和机器学习正在通过自然语言流程、会话代理和决策支持改变人力资源的流程完成方式。IT领导者应该投资这三种创新技术来驱动效率，采纳和提高员工的表现。

38、“会话商务的创新洞察力”：被人工智能和机器学习赋能的会话商务使用自然语言接口通过一个对话使顾客能找到并购买商品和服务。负责数字商业技术的IT领导者现在应该采取具体措施来确保他们的组织准备好引入这一重大的客户体验范式转变。

将人工智能应用于垂直市场

39、“你的数字政府平台已经为虚拟助理和聊天机器人做好准备了吗？”：聊天机器人和会话人工智能平台开通了新的政府服务渠道。政府首席信息官需要快速确定这些渠道的角色，调整他们的数字服务交付策略，并且扩大他们的数字政府平台来利用这些新的机会。

40、“消费品公司正在使用的计算机视觉人工智能技术来改进他们的统一商业战略的两种方式”：计算机视觉是一种使用人工智能技术帮助机器去捕捉、处理和分析真实世界的图像和视频并从物理世界提取出有意义的上下文信息的技术。企业架构和技术创新领导者正在开始使用这种能力来创造个性化的可执行的客户洞察力。

41、“市场趋势：如何以人工智能的方式瞄准资本市场”：人工智能工具将成为资本市场的先决条件并将变得无处不在。面向资本市场的技术业务单元领导者应该评估并选择四个关键用例之一来聚焦这些细分市场并获得资本市场和用户的成功。

42、“财务管理公司的首席信息官部署人工智能,通过增强人类智能创造惊人的洞察力”：人工智能为财富管理公司提供了一个有助于组织适应对他们的商业模型造成日趋增加的威胁的生命线。财富管理首席信息官应该使用Gartner的金融服务的人工智能采纳框架来开发与业务优先级相适应的人工智能策略。

43、“聊天机器人可以将个人财富管理转换为数字金融咨询服务”：银行的首席信息官致力于提供数字银行体验，其可以部署基于人工智能的聊天机器人来改善客户体验，通过开放的,应用程序编程接口扩展数字客户咨询功能，并利用个人财富管理的数据和分析来创造新的价值来源。

44、“运输中的颠覆性技术：人工智能和机器学习的影响”：人工智能将会严重打乱公司的现行运作模式并优化运输方式和创造商业价值，因为它对自动驾驶汽车、交付机器人、无人机和运输规划优化引擎都至关重要。为了战略优势供应链领导者现在应该采取措施多加利用人工智能。

45、“医疗保健提供者的人工智能新兴应用”：一些医疗保健分析供应商已经使用人工智能来提高护理服务和结果的准确性。开发医疗企业分析策略的首席信息官应该为加强人工智能测试和采纳建立机构人工智能能力和加强分析能力。

46、“通信服务提供商如何利用人工智能”：对于通信服务提供商来说，人工智能可以影响各种不同的问题，交互和过程自动化的机会。这个研究使数据和分析领导者知道在哪里集中他们的最佳服务、网络和业务影响。

47、“如何将人工智能应用于数字商务”：人工智能和机器学习可以提高数字商务的性能，但不能解决所有的问题。负责数字商务技术的IT领导者应该意识到人工智能的好处和局限性并用一种务实的方法来取得切实的成果。

48、“算法零售：使用人工智能来驱动智能自动化”：这项研究探索了零售商如何从当前的、受约束的手工分析迁移到高级分析，然后再迁移到由人工智能作为决策和过程自动化和客户体验差异化的关键推动者。

49、“2017年法律事务的人工智能供应商”：新的法律部门科技利用人工智能学习和理解工作产品和先例中的数字内容。这项研究帮助法律部门的首席信息官对数字内容进行人工智能的评估和应用并推动法律服务交付的创新和效率。

本篇文章对Gartner在人工智能领域的49个研究笔记做出归纳总结，想要了解具体内容可自行搜索查看详情。

本篇文章整理自Gartner研究报告《Applying Artificial Intelligence to Drive Business Transformation: A Gartner Trend Insight Report》，在不改变原意的情况下有删改。

10月19日，AlphaGo Zero 100：0 百战百胜对弈阿尔法狗的消息刷爆朋友圈，让大家了解到人工智能强化学习的牛逼之处。

人类靠边站？哪些职业要被取代？...这些话题重新被拿出来讨论。今天，小编想跟大家说点不一样的，聊聊人工智能在跟大家息息相关的金融领域的应用。

记住，不要与趋势为敌！

人工智能可以打造一个更智能的财富管理公司。

智能财富管理公司使用人工智能来补充和扩展人的能力。这能够使公司提出惊人的见解，以便为客户创造个性化的生活进程，提高运营效率。所以，人工智能可以说是为财富管理公司提供了急需的生命线，以适应威胁到它的业务模式的趋势。

Gartner建议，财富管理公司的应该扩大人工智能在这四个关键领域的应用：客户参与，产品创造与创新，关系进程，治理、风险与合规（见图1）。

图1资产管理公司人工智能的四个重要领域

威胁财富管理的三个趋势

通常，我们在财富管理中能看到三个最具破坏性的趋势。

1、被动的和其他低成本产品的增长给行业费用和利润带来了向下的压力。在其他地区，如中国，非传统企业正在进入市场并削弱现有的供应商。

2、 客户在一个单一的财富管理公司的依赖度下降。以光大银行为例，光大银行的2016年客户体验的调查显示，2016年40%的高净值个人客户依赖于单一的公司，而光大的2011调查显示的这一数字是55%。也许更令人担忧的是，根据2016年的调查，技术上精通的客户更可能使用多个公司。尽管52%的技术不太熟练的客户只使用一家公司，但是50%的技术更精明的客户使用三家或更多的公司。

3、合规成本的增加一直在消耗公司在信息技术方面更多的预算。例如，光大银行2015年财富管理公司的调查表明，近70%的受访者预计他们的合规费用增加，其中31%的受访者期待他们的预算将增加25%以上。

如何抵消这些不利趋势

智能财富管理公司可以部署各种人工智能的工具来抵消这些趋势：

1、许多公司使用人工智能工具，例如：情感分析、自然语言处理（NLP）和深度学习（DL），以增强他们的投资专业人员的能力，来创造新产品和提高顾问的生产力。

2、 公司也已经开始部署更丰富的自然语言处理、自然语言生成（NLG）和机器学习（ML）更丰富，更个性化的客户投资方案和绩效报告。

3、公司利用机器学习、自然语言处理和深度学习的工具来预测和监测潜在的治理、风险和合规，以及流线操作和更有效地与监管机构沟通。

“人工智能”这一术语涵盖了不断变化的广泛的技术范围。所以，尽管财富管理公司可以看到应用人工智能工具的机会，但是他们不确定从哪里开始可以对业务产生更大的影响。

此外，根据最近一项对Gartner研究团队成员的调查，人工智能的使用常常受到技能差距、策略和资金方面的挑战。毫不奇怪，59%的受访者还处在知识收集和开发的阶段，25%的正在试验，而只有6%的正在实施人工智能项目，6%的已经部署了解决方案。最近在深度学习以及与人工智能相关的自然语言处理，自然语言生成和机器学习等领域的发展，重新激起了人们对先进的人工智能应用能完成什么的兴趣。财富管理公司能够主动识别项目和审批资金来启动流程。

在财富管理公司的框架中，人工智能可以被认为是“增强”的智能，因为它包含了能够扩展人的能力的工具。Gartner认为人工智能的首字母缩写“AI”可能更适合被解释成，我们所认为的技术不能做的“惊人创新”。

利用人工智能开发新产品来增加新的收入来源

财富管理公司发现他们传统的收入来源受到侵蚀，主要是通过竞争对手、监管机构和他们自己的客户越来越偏好于被动投资产品。尽管这一现象在美国和欧洲更为突出，但人们预期将会蔓延到其他地区的监管机构。

财富管理的客户正在寻找更有创意的解决方案，以满足日益复杂的金融需求。人们预期的北美和欧洲市场的巨额财富转移，以及中国和亚太地区作为增长来源的出现，将以下两种方式影响这一趋势:

1.   财富创造将变得和财富保值一样重要，甚至更重要。

2.   下一代的财富管理客户，不管地理位置如何，将会更加精通技术，并期望在个性化的基础上提供个性化的解决方案。

为了满足这些挑战，财富管理公司需要更好的细分客户，甚至是微细分。传统的客户划分方案使用了规则引擎；这些评分方法都是高度手工完成的，在处理大量数据或者不需要频繁更新时可能会变得极其复杂。我们几乎不能从可以被用来完善个人客户信息的客户数据集合中获取碎片化的知识。通过人工智能，个性化引擎可以快速发现客户属性和观察活动之间的相关性，并创建更具个性化并含有人工智能生成的见解的解决方案。例如，J.P. Morgan投资并使用了InvestCloud，它使用人工智能创建了5000多个独特的用户体验。

随着被动投资产品取代主动投资产品和咨询服务日趋数字化，财富管理公司应该预见到日益增加的价格压力。这并没有消除人类顾问的重要性；相反，顾问们需要对他们的客户有更深入的了解。由于财富管理公司开发了人工智能驱动的投资组合和资产配置模型，他们需要将私募股权和风险投资等产品货币化，以及房地产和信托计划等服务，这些服务目前是投资管理费用的一部分。财富顾问还需要更好地了解他们的客户，以潜在的新的定价结构去匹配客户偏好。

针对金融服务的人工智能应用策略

在具体的布局实践中，当我们和财富管理公司的首席信息官和业务线的领导讨论人工智能的时候，“从哪里开始”也许是我们听到的最常见的问题。大多的时候，对于财富管理公司的首席信息官“人工智能”意味着“几乎实现”，因为他们会没有一个明确的业务目标就建立一个人工智能项目，然后留在那里使他们从没完成。

人工智能工具（如机器学习和深度学习，以及自然语言处理和自然语言生成）不仅仅是另一种高等分析学。

对于那些已经部署高级分析学来仔细分析并使得大量的数据（市场反应、客户行为和兴趣、顾问的行为）可执行的财富管理公司的首席信息官，人工智能有可能发现极大的价值。通过适当的部署人工智能，对市场行为、客户行为和利益和顾问的行动分析，财富管理公司的首席信息官可以使他们的企业将这些海量数据流和信息源转化成对客户和公司具有独特价值的颗粒化的见解。

因此，在总体上可以应用高等分析学的工作中，人工智能可以利用相同或更大的数据集来自动识别颗粒化反应，在没有人工进一步的指导下，提高自己的表现。

财富管理公司的首席信息官和业务线的领导工作应该去寻找已经存在有吸引力的项目，而这些项目因为需要人的分析，和可能没有足够的人员满足他们的需求而没有被继续下去。

财富管理公司的首席信息官应该确定哪里对于人工智能技术存在最大的潜力，评估哪里可以实现最快并可测量的效益。他们还需要和其他首席官他们的同行来确定企业的必要责任从而来管理各种各样的机遇。

Gartner开发了一个财富管理公司的评估人工智能适用性的框架。项目应该确定重点是在客户价值还是企业价值。当然，有些领域客户和公司都可以从应用人工智能工具中获益。例如，提高客户对人工智能的参与度也和IT方面的成本优化是一致的。如图2所示，Gartner在财富管理公司中采用人工智能的框架包含：

1.  客户参与。

2.  产品创造与创新。

3.  关系进程。

4.  治理、风险和合规。

图2在财富管理公司中采用人工智能的框架

01.客户参与

有效的客户参与度可以为个人客户提供价值，同时优化IT成本。我们研究客户参与的以下四个方面：勘察、产品建议、面向客户的分析和报告。

在这一领域利用人工智能通过创造颗粒化的见解为客户提供价值，而这些见解使公司能够以更节约成本的方式来增加个性化的互动。财富管理公司可以在现有客户的基础上整合数据来开发有预测性的建模功能，从而更有效地为现有客户服务。这些见解，如购买倾向，将使公司能够创造有针对性和相关的勘察活动。有些公司，如：威尔斯银行和瑞银集团等，已经应用Sqreem来分析客户数字化行为，进而预测哪些产品和服务是对个人客户最相关的。

有效地应用人工智能的工具可以帮助顾问提出更深刻的客户见解，预测和理解客户需求，并为个人客户提供真正有区别的体验。利用人工智能创建一个以客户为中心的视角，还可以优化更高增值活动周围的顾问平台和工作流。

02.产品创造与创新

这是任何财富管理公司的生命线：为每个客户产生与之目标和风险关注点相一致的超额收益。

财富管理公司可以使用人工智能工具来开发，测试和频繁更新推荐模型以更好地为每个客户预测和匹配解决方案。在高等分析学可以根据预定的指令进行建模的方面，人工智能也可以以更高的精度和更大的粒度做到，并会把单个客户的属性整合进来（例如：在各种市场条件或特定生活事件中的行为）。

CerebellumCapital的首席执行官David Andre和首席运营官Conrad Gann说过，用于自动化策略发现的工具也应该用于开发定制化的解决方案。人工智能也可以协助顾问使之与客户有效沟通以确定个人通道偏好，例如：

1.   另一种资产创造的方法，如量化基本面和基于人工智能的交易所交易基金（ETF）。

2.   组合定制。

03.关系进程

客户与他们的财富管理公司以及顾问的关系是客户和他们的家庭从公司得到价值的基础。通过解决关键客户的痛点和以一种独特和个性化的方式来为客户识别新机遇，财富管理公司可以利用人工智能工具来重新从头到尾构想客户进程。财富管理公司还可以使用人工智能工具创建更大粒度和个性化的进程，并在一个大型的客户基础上这样做。例如，JefferiesGroup和其他企业已经在财富管理部门使用Addepar来前瞻关系进程。

财富管理公司可以使用人工智能工具来开发见解，包括以下几个方面：

1.   颗粒化的客户偏好：解析大数据集来发现每个客户独特的心理特征。

2.   规范的个性化路径：确定潜在的生活事件和目标。

3.   增强顾问能力：使用人工智能工具将顾问从寻常和重复的任务中解放出来，使他们能够专注于更具生产力和增值的活动。

04.治理、风险和合规

人工智能（AI）在过去的五年中取得了长足的进步(见图一)。从虚拟客户助理到物联网，企业已经在大量应用中使用人工智能。然而，大多数企业仍然处于测试和学习阶段。他们还没有大规模地利用人工智能来实现差异化的应用程序。不过，商业和IT领导者很快就会开始向首席信息官（CIO）展示更多雄心勃勃的人工智能项目计划。

图一：近五年人工智能重大进展

Gartner最近的一项调查发现，在35%到40%的案例中，CIO在人工智能项目的发起、筹资和决策环节上起到至关重要的作用。CIO决定企业的能力是否已经足够成熟，从而能够驾驭人工智能并取得成功。

如果企业缺乏这些能力，人工智能项目将浪费资源，并可能伤害企业品牌形象。CIO应从以下四个方面进行评估，以确保提出的人工智能商业计划能改善业务并创造价值：商业目标、数据、监管、工具。

如何做出成功的商业计划

人工智能商业项目可能会由于企业没有明确想要实现的目标和缺乏项目执行能力而失败。人工智能项目失败并不是因为技术不奏效，而是因为业务范围、设计、和业务目标在三个方面不足造成的。

1.商业目标

不现实或不清晰的业务目标会导致麻烦。CIO应确保任何计划的人工智能项目有明确对应的业务场景。例如，美国银行上线的客户问答机器人Erica，可以回答客户对他们帐户的问题。Erica在一个特定的领域解决特定的问题。这样一来就缩小了设计人员需要设计的场景。应用领域越窄，企业希望通过人工智能实现目标的可能性就越大。像Erica这样的项目通过缩小覆盖范围来提高客户满意度。

2.人工智能项目的资源

根据Gartner的调查显示，54％的企业认为缺乏技能是人工智能项目通向成功最大的阻碍和挑战。此外，人工智能项目还可能产生巨大的费用，还需要一个相当长的时间来发展成规模。

与可以控制其输入和输出的常规软件不同，人工智能应用程序更加开放，接受可变的输入和响应方式。

这种不可预测性使得研发人员要更广泛地检查各种可能性。此外，人工智能程序需要时间对大数据集进行训练，甚至可能需要通过与专家互动来训练。与此同时，人工智能应用程序可能需要大量的硬件和基础设施。

CIO应该确保人工智能项目运作过程中能够获得足够技术和非技术资源。例如，大多数Gartner的客户没有数据科学家员工和人工智能开发人员，很少企业高管有人工智能专业知识。

3.执行商业计划的方式

企业执行商业计划的方式也可能会造成一系列问题。大多数情况下，人工智能应用程序是由一个单独的小型创新团队开发而成。因此，他们可能和外部现实世界脱节，且团队还可能仅通过在三到四个数据仓促完成应用程序的开发。那么结果很可能是程序的性能令人失望。更糟的是，在应用程序中的分析模型和算法是很难被纠正的。

最后，这种流程还被认为是标准的人工智能项目开发流程。也就是说，企业领导或明或暗地将这一商业项目的责任委托给IT部门。这是危险的，因为人工智能直接影响到业务流程、人力资源和战略决策。CIO应该确保这个商业项目由多方业务领导共同承担责任、共同合作，并在这个项目上投入充足的时间和精力。

良好的数据管理与分析

人工智能应用程序只有和数据一起训练才能运作起来。数据质量和持续训练至关重要。如果数据不充分、不准确、不一致、不完整或者有偏，那么人工智能项目将会失败。企业不能保证给人工智能项目多少数据才算足够，除非他们有成熟的数据管理和分析程序系统。CIO一开始就应该对其组织的能力进行诚实的评估。

然而，即使有良好的数据管理，数据仍会让人工智能项目出现问题：

1、数据量：人工智能应用程序可能为了达到预期效果，从而需要太多的数据来建立精确的分析模型。例如，图像识别应用程序可能需要1000张照片对每个类的对象进行训练。

2、数据质量：常规的数据处理方法可能不适用人工智能项目。未正确标识的数据集也会导致项目失败。而太整齐的数据集则可能导致模型缺乏鲁棒性。一个完美的数据集也可能由于底层的分析模型缺乏考虑现实情况而导致项目失败。

3、数据可用性：许多人工智能项目需要企业本身不具备的数据。企业必须从第三方或潜在客户那里获取，但由于各种原因未必能拿到。用于可穿戴设备的人工智能应用程序需要患者提供健康信息，但是受到法律限制无法分享使用，尤其是涉及多个司法管辖区。商业数据提供商开价太高也是一个阻碍因素。

4、数据波动性：在某些情况下，数据可能变得太快以至于人工智能程序上无法使用。数据波动性过大可能会压垮计算机设备，需要采用特殊的硬件设备。

扩展治理框架缓解风险

人工智能应用程序越复杂，它对人类的影响就越大。常规应用项目开发的监督对于人工智能是不充分的，特别是如果它是面向外部的。如果人工智能应用程序出现故障，用户可能会遭受名誉、财务上的损失甚至人身伤害。此外，人工智能应用造成的不可预见的结果会由于多变的商业环境和监管不足成为更大的风险。

缺乏监督可能源于：

1、监督程序建立的方式；

2、不适当的或不足的管理结构；

3、对于分析模型过于自信；

4、过于依赖IT技术而缺乏主观判断。

企业应该审查人工智能应用的伦理问题(也许是设立一个独立的审查委员会)。伦理问题常常来自于不会被怀疑的假设或应用程序的非预期扩展。许多人工智能应用程序给出了有偏的结果，是因为它们是在项目领导者没有意识到的情况下对有偏的数据集进行训练。一些可以识别语音的智能设备时时在监听着屋内的对话，如果处理不当，谈话内容可能会被利用。

法规方面，许多人工智能应用程序都会收集用户信息。许多国家和司法管辖区都有数据隐私法，人工智能项目应该遵守这些法规。此外，CIO应该确保公司拥有人工智能项目产生的大数据的所有权，特别是企业与合作伙伴一起开发或运行人工智能程序。

人工智能应用可能会造成客户体验不佳、不良宣传效果和品牌形象受损的结果。不管人工智能应用程序是脚本化还是非脚本化，项目设计者都不能预见每一个结果。所以批准每一个人工智能项目，意味着CIO接受这种风险。他们应该坚持执行项目计划内容，包括与企业操作风险和安全政策相协调的风险评估和风险缓解对策。

人们应该对机器反馈的结果不断地观察和测试。CIO将其治理框架扩大到人工智能项目，以确保其不会无意中造成损害。

治理框架应确保：

1、透明度：人工智能应用程序的输入和输出应该是可以解释的，这是满足监管要求的先决条件。

2、信任：结果都是概率性的，没有100%肯定的。但太高的不确定性可能会影响采用。

3、多样性：为了确保良好的结果，人工智能应用需要思想、问题、数据、算法和工具全方面的多样性。

对人工智能工具和技术不要过于理想化

人工智能技术仍处于发展的早期阶段。他们中的大多数需要至少5年才能达到成熟。因此，想要开发人工智能应用程序的企业只能使用有限的工具。CIO应该注意工具本身的缺陷，它们协同工作的方式以及它们配套的基础设施：

1、人工智能工具都是为专项开发的，充分利用好业务专家建议使用的特征变量是成功的关键，否则可能会引起问题。

2、大多数人工智能工具缺乏协作的功能，这个问题很影响跨部门或跨功能人工智能程序的发挥。

3、人工智能程序训练有一定难度，需要数据专家和业务专家的指导，经过很多轮培训、测试和调整，才能生产比较可靠的运算结果。

有些情况可能需要多个人工智能工具协同工作。例如，银行可能希望它的聊天机器人能同时将信息反馈到欺诈探测应用程序，根据反馈的结果再次训练聊天机器人。然而，大多数人工智能工具在开发时并没有考虑多工具协同工作，原因如下：

1、集成多种人工智能技术是很困难的；

2、分析模型往往不能跨平台管理；

3、必须调和不同工具的信息和流程结果。例如，预测分析应用程序的建议也是客户记录的一部分。

人工智能应用程序通常处理大量数据，可能需要相当大的处理能力。企业可能无法提供足够的计算资源。

CIO应该检查人工智能应用提出所需的技术需求，判断如何通过可获得的工具、集成芯片和计算资源来支持这些需求。

给正在建设或扩大数字业务的CIO的建议

1、找出至少三个独立的人工智能商业项目并在明年投资。倾向于简单和可靠的项目，避免那些顶尖技术研究上的项目。

2、从四个方面评估所有人工智能产品：商业目标、数据、监管和工具。

3、将计划的功能划分为不构成挑战的、挑战但有对应解决方案的和无法实现的三类。根据需求及时调整项目计划。

4、请首席数据官或数据分析主管提供一份关于人工智能进展的季度报告，包括技术水平、启动项目和规章制度。任命一个人工智能商业项目负责人，从竞争对手和潜在的竞争对手的资料中确定人工智能相关项目早期的评价指标。

5、与人力资源部门合作，在企业中引进和发展人工智能人才。定义你的组织正在寻找的技能。

参考资料：

1、本文是基于Gartner对人工智能、机器学习、智能机器人领域的初步研究和对人工智能项目的成功与失败的次级研究撰写而成。同时我们还听取了83位来自Gartner学术研究四月调研的IT和商业领袖的观点（参见”Where You Should Use Artificial Intelligence — and Why”）

2、P.Crosman. "Bof A Gives Its Bot Time to Become a Banker."发表于American Banker. 2017年5月16日

3、R.Dipshan. "TheActual Cost of In-House Artificial Intelligence Adoption."发表于Inside Counsel. 2017年2月17日

4、 "WhatIs the Minimum Sample Size Required to Train a Deep Learning Model — CNN?"

5、HReese. "Top10 AI Failures of 2016."发表于TechRepublic.2016年12月2日

6、E.Pariser. "BewareOnline 'Filter Bubbles.'"发表于TED. 2011年3月

文章来源：Gartner

分析师：David Furlonger,Tom Austin

2017年10月11日，由工业和信息化部、外交部、广东省人民政府、中国银行共同主办，广东省中小企业发展促进会协办的“亚欧会议中小企业融资研讨会”在广州召开，兴业数金受邀参加本次会议。

此次研讨会以“聚焦普惠金融，服务中小企业”为主题，围绕创新融资产品和模式、拓展多元化融资渠道、完善融资服务体系等方面议题进行深入探讨。

主持人：中华人民共和国工业和信息化部中小企业局副局长 秦志辉

本次会议旨在通过研讨会这一平台，推动“一带一路”倡议、欧盟“容克投资计划”、“东盟互联互通总体规划2025”等亚欧会议各成员之间发展战略的对接，促进资金融通，分享中小企业最佳融资实践，加强政策交流与协调。

兴业数金普惠金融事业部毛强华总经理受邀出席研讨会并发言。毛强华总经理在发言中提到消费互联网和产业互联网，他认为当前正处于产业互联网金融的风口，中小企业融资方式有着巨大的创新机会。为适应这个趋势，兴业数金公司推出了集风控、供应链金融、票据融资、金融资产交易、电子合同为一体的综合解决方案。

此外，兴业数金当前为300多家中小银行提供科技服务，而这些中小银行也服务了大量的中小企业，为其提供融资服务。毛强华总经理建议会议举办方也能够邀请这些中小银行，来分享它们关于中小企业融资问题的解决方案。

兴业数金普惠金融事业部总经理 毛强华

出席本次研讨会的嘉宾除了我国工业和信息化部党组成员、总工程师张峰，广东省人民政府副省长袁宝成，工业和信息化部中小企业局局长马向晖等中方重要嘉宾外，还包括来自意大利、克罗地亚、法国、菲律宾、泰国、埃及、印度尼西亚、马来西亚等亚欧会议成员国重要嘉宾，如意大利驻广州总领事艾古丽、克罗地亚大使科哈罗维奇·奈博伊沙。

各国嘉宾在介绍各国经验的同时，对创新融资产品和模式、拓展多元化融资渠道、完善融资服务体系、中小企业的信用体系建设等多方面提出各自的真知灼见。

全文阅读四大重点

1、尽管早期的各种PoC至今一直在发展，但区块链技术及其应用还处于初期阶段。

2、Gartner跟踪的75个区块链平台中，每个平台都使用了不同的模型，提供不同的功能。

3、各种去中心化的信任模型（公有链，私有链，联盟链）对SRM具有迷惑性。事实上，除了加密货币，创建公有链仍然是一个非常大的挑战。所以SRM一般专注在联盟链上。

4、尽管区块链依赖加密作为基本的安全手段，然而有时仍然会受到网络攻击，所以在加密上需要一定的灵活性。

区块链成为信任推动者的潜力是巨大的，但目前尚未出现成熟的解决方案，标准未统一，监管也未达成一致。因此，安全与风险主管（Security and Risk Management leaders）必须在组织风险可接受的范围内做出明智的决策。

1.区块链和它背后的技术

定义

区块链是通过分布式加密技术来建立信任与保障的。在信息安全领域，区块链提供了新的途径来建立信任，提升可用性，从而减少对中心化的仲裁者的依赖。同时也可用来跟踪数字资产。

发展概况

除了众所周知的比特币，各种各样的区块链生态和技术正在涌现，这些生态与技术在很多方面差别不小。其中有一些会生存下来，有些将会被淘汰。

目前，一些区块链使用案例正处于理论化阶段，有些则还处于PoC阶段。越来越多的组织开始接触区块链技术，对任何一种“信任类型的业务(Trust Business)(一些中心化的组织与机构，例如银行、清算所和政府当局)，区块链技术可提供去中心化的方案。

去中心化共识

传统的模型借助中心化的仲裁者来保证数据的真实性与完整性。比如建立一个传统的中心化的数据库来保证数据的一致性。

去中心化的方案将仲裁者的权威性与可信任性转移到虚拟的网络，使得参与节点能够有序、持续地将交易保存成块，并且被社区内参与的所有用户使用。这些交易链就被称为区块链。

通过密码学的Hash算法计算出上一区块的Hash值，再包含进下一个区块，不需要任何媒介就可以建立连接，同时也能避免重复的交易。

作为区块链平台的一个功能，共识的过程是与应用分离的。去中心化的算法可以帮助SRM保证所有数据在参与者之间都是一致的。

区块链及辅助的区块链服务

就像上文提到的，区块链类似于一个数据库，所有参与者都可以使用。网络用户可以自由加入到比特币网络中，所有交易都是公开透明的。随着区块链技术的成熟，用户对于规则、数据隐私的多种需求都可以被满足。同时，根据不同的需求，可以使用不同的策略、属性及设计系统来实现对权限的控制。

私有链可以实现一个封闭的社区规则。在这个区块中，SRM不仅需要管理网络接入密钥，还需要一个网络安全准则来控制网络接入。

SRM需要注意的是，区块链架构要让所有参与者能够获取重要数据，包括所有区块中的交易。这些数据可以是一些价值记号，比如金融交易记录，账户余额或者其它的数据，并使用传统的加密工具来加强安全性。

随着区块链技术与产品的快速发展，首席信息安全官和SRM必须了解这些新的区块链应用所有的创建、保存和使用的数据。在一些案例中，数据使用的区块链技术（以太坊、超级账本或比特币）不同，功能也是完全不同的。尽管区块链技术是一个非常强大的技术，但仍需遵循信息安全的基础准则：安全性、完整性和可用性。

智能合约和智能资产

智能合约是一系列业务规则的程序化形式及其处理的相关的数据与交易。它的核心是交易可以被区块链自动验证，而不需要中心化的仲裁者，合约验证后必须将交易执行完。

区块链参与者可以就商品或者服务支付方式达成一致，写成条约形式，一旦条件满足即可自动放款（或者实施一些惩罚）。智能资产可以被看作是内嵌一个用户、公司或者其它智能资产的所有权和动态行为的数字资产。

SRM必须意识到智能合约可能会包含缺陷，攻击者利用这些缺陷提取、敲诈或控制资金，其影响是非常恶劣的。它与一般的应用或者网站一样都有弱点，所以SRM必须将智能合约或资产划进他们的安全保障领域，监控组织内部风险。

可信计算与不可信交易

上文的概念使得资源与交易可以水平扩展，从企业内部扩展到所有区块链的参与者。传统的监管和仲裁机构功能可以被编写成智能合约，由区块链分布式的共识算法来守护。

在很近的未来，由智能合约运营的纯数字化公司将会出现，区块链无疑将成为一个交易验证者，在遵循政策和法律的基础之上建立信任、承诺、权威，并且使用安全性极好密码对它进行保障。

SRM必须认识到区块链可以独当一面，密码学的方法已足够强大来保障这个目标。另外，必须保证基础设施的安全性防止错误的信息被写入区块链。

共识机制：工作量证明(POW)/权益证明(POS)

很多区块链的核心技术是共识机制。POW是从比特币区块链技术遗传而来，其变体（如权益证明）使用的是一个足够复杂的计算任务，目的是防止区块链数据被篡改。所以POW和共识机制是非常关键的部分，它不能轻易被重置。同时，强健的密码学Hash也可给予一定保障。

POW的成本是非常高的，有扩展性与安全性问题。大家参与到POW过程是为了获取交易费用，但这对于金融交易来说是没有必要的。而POS是一个被广泛接受的解决方案，它的成本低，但更复杂。POS可以决定真正的区块链记录者，减少网络分裂的风险。

SRM必须熟悉区块链系统的共识算法及各个算法的风险，因为这是保证区块链完整性的关键要素。

去中心化信任模型：公有链、私有链和联盟链

信任模型是决定区块链上如何建立和保持信任的重要部分。SRM必须了解下面三个信任模型：

1.  私有链：一个企业控制所有节点与网络，只有企业拥有和控制的资产才能加入这个生态。除POC测试外，大部分私有链无法兼具公有链和联盟链的所有优点，所以必须分清私有链与传统中心化的区别。但是，随着区块链技术的成熟，私有链模型会更有普适性。（如大规模IOT环境）

2.  公有链：最著名的就是比特币了，对任何人都是开放的，只需要下载一个钱包或者成为一个节点就可以参与。信任通过共识算法来建立。尽管比特币是唯一一个被认证的公有链模型，但公有链在去中心化、分布式和多样性方面仍有优势。但由于公有链的公开属性，还要考虑交易时间、灵活性、可控性和透明度这些影响区块链风险与性能的因素。

3.  联盟链：这种方式是公有链与私有链的混合。可以应用到一个需要将信任数字化得行业中，例如银行业、制造业、电信业。联盟只允许认证的实体参与，每个参与实体通过运行一个节点与其它得实体建立一个信任协议“Trust Agreement"。 他们的机器需要遵守安全准则，定期检查。

Gartner研究了很多信任模型，联盟链因其结合了私有链与公有链的特点发展迅速。

2.区块链的“诱人”之处

减轻了信任与透明度的问题

区块链建立在分布式账本与去中心化的架构上。所有的交易对于相关方都是透明的，理论上区块链是不被任何中央机构控制的，所以可以保障交易的透明性、可控制性和数据完整性。

应用案例有很多，这个技术在任何需要中心化仲裁者的场景都提出了去中心化的概念。例如，英国政府考虑将土地登记放在区块链上，这样任何一个相关方都可以查看土地的所有者，所有权转移必须经过相关方(比如将其作为抵押品的金融机构)的同意。其它潜在的应用包括反欺诈信息的共享、身份信息认证、去中心化的CA。

对信任和透明度的益处

1、一个新节点可以很快同步到一个大数据库

2、对于一个正常参与到网络的节点，可以快速确认一个交易是否存在。

管理保障数字资产完整性

区块链可以解决交易的信任与透明度问题，数据的完整性也由此而来。保证数据完整性的一个关键点是所有交易都需要签名，共识系统用来保障没有欺诈交易，保证系统的功能性。不同的区块链系统共识方法也不同，只要交易达到共识的要求就可以放到不可修改的公共账本中了。

对错误和攻击的容忍性更高

区块链去中心化和分布式的特性，可以防止DOS和DDOS的攻击。节点数越多，系统的安全性越高。

3.区块链是完美无缺的吗？

市场炒作与市场认知不一致

区块链与应用的定义是一个善变的概念。每个区块链实现的功能是不一样的，还有很多解决方案还在概念阶段。除了比特币，很难从市场炒作中分辨出目标的应用案例。

可拓展性与响应时间

当交易、数据、设备与账户呈现爆发性增长时，要管理和保存的数据也越来越多，所以有一个安全可扩展的手段至关重要。对于下游的应用来说，可扩展性也许是一个好的方法。但目前来说还是风险更大一点。扩展性是目前区块链社区研究较活跃的领域，研究者希望开发出可以扩展到几百万个节点的算法。

举个例子，需要管理和跟踪大量资产和交易的区块链应用，需要很大的扩展性（比如管理IOT设备）。为了提高可扩展性和响应时间，厂商会使用Hash将数据放在区块链上来代替数据本身。

但TPS仍然很低是一个亟待解决的问题。尽管如此，有的厂商（如BigchainDB）已经致力于建立一个可扩展的快速响应的区块链数据库。随着技术与方案的成熟，高扩展性的应用将会被实现。

区块链并不是对所有网络攻击或欺诈免疫

早期的区块链设施已经被证实是非常稳定的。但风险转移到写入数据到区块链的节点上。事实上，一些学校和研究机构将目前已经识别到的攻击汇编成了一个新的安全分类。与很多安全系统一样，大多漏洞存在于辅助系统中，如操作系统，网络或其它安全组件（如密钥管理）。

以太坊最近受到的一次较大的攻击中，攻击者从加密的钱包中偷走了3100万的数字货币，利用的漏洞就是从钱包依赖的区块中找到的。

仅使用密码学算法来保证安全性是远远不够的。尽管如此，SRM仍要保证密码的灵活性。DAO(Distributed Autonomous Organization）攻击就是利用以太坊智能合约逻辑上的漏洞，而不是密码学上的问题。

评估各种区块链平台的风险与影响

SRM需将管理、问责与区块链技术分离。

第一，随着区块链平台越来越多，根据每个平台的特性去构建模型进行风险验证是不可行的。

第二，区块链是一个复杂技术，与传统系统相比，是缺乏可审计性的。将一个选举系统解释给选民很容易，但区块链系统架构的缺陷大概只有专家才能理解。因此合规与执行的花费会增加，因为在一些监管环境中，区块链的审核是很困难的。

总之，区块链是一个复杂的新技术，人们很难理解，也很难评估它的风险与影响。加之目前还没有共通的标准与监控，使得问题变得更困难。

4.给SRM的建议

1、了解基于区块链技术的业务过程与应用。目前这个阶段，Gartner建议客户通过早期的研究来学习区块链。

2、区块链的应用与传统业务技术是非常不同的。所以，SRM应该先将基于区块链的应用作为一个实验进行测试。

3、理解不同的信任模型：私有链、公有链和联盟链。关注同行业务的区块链联盟。目前金融技术的角度更多一点，其它行业更关注它的实际应用。

4、试着将传统业务在区块链上实现。有很多组织正在对比特币开展实验，开始接触IBM或微软的区块链产品。需要注意的是这些区块链产品并不能代表整个区块链生态。最后，这个行业还处于区块链技术的探索期。

5、要研究区块链平台的安全性。SRM主管必须考虑在使用区块链特性的同时保证安全性。

6、理解每个平台的特点，选择最优的区块链平台。对于太过乐观的厂商，声明要谨慎，仔细评估其区块链平台技术上的安全性。

SRM还可以考虑IBM或微软的区块链黑盒，进行早期的区块链应用测试。这些黑盒可能无法代表区块链的整个生态，会让人们对这个技术公开运行有一个错误的理解。

7、仔细评估应用与区块链结合的各个方面。对包括应用技术在内的各个层次进行严格的安全测试，如操作系统，代码审核，应用逻辑验证。

8、有一个缺陷管理系统。它将会帮助安全小组更好地应对各种各样的系统攻击。

本文来源：Gartner分析报告，文章在不改变原义的情况下有删减。

9月,在法兰克福德国银行业会议的一项采访中,德意志银行首席执行官John Cryan表示,公司的一大批员工最终将失业,他们的工作将由机器人替代。同时,由于机械性的劳动都被机器人做了,另外一部分员工可以花更多的时间做更有趣的事情。

德意志银行纽约创新实验室前负责人Dean Mazboudi在实验室的三年内,每天都在与各种新技术打交道,评估、测试这些技术是否满足公司的需求。流程自动化机器人(Robotic process automation)就是其中的一个项目。

“我们有大量人工操作的交易,本质上都是重复的工作”,Dean表示,“虽然我们一直在进行对系统和流程的改进,但这些工作需要大量的投入,需要很长的时间才能显现渐进式的效果。”因此, 德意志银行选择RPA进行特定流程的自动化,快速提高效率、降低成本。

什么是机器人智能流程自动化?

RPA是一类自动化软件工具,它可以通过用户界面使用和理解企业已有的应用,将基于规则的常规操作自动化,例如读取邮件和系统,计算、生成文件和报告,检查文件等。

RPA适用于基于规则的，仅涉及结构化数据的流程。和人相比,RPA不间断工作,几乎不出错,速度快,因此可以显著提升流程效率,降低成本,减少风险。根据BCG分析,通常而言,RPA帮助企业减少20%-80%的成本, 在实施的一年内达到盈亏平衡。

然而，虽然RPA可以代替人的眼和手操作应用,却不能代替人脑处理非结构化数据,以及规则之外的事件。与规则相冲突的事件出现之时,人必须介入。简而言之,RPA 仅具备模仿能力,不具备学习能力。因此,适合用RPA自动化的流程必定是稳定、重复、规则化以及高流量的流程。

不满足于RPA限制的企业追求更高级的流程自动化方案——智能流程自动化(Intelligent process automation)。IPA是基础流程的重塑,是RPA和人工智能技术的结合,相当于在传统的基于规则的自动化基础(RPA)之上增加基于深度学习和认知技术的推理、判断、决策能力。RPA收集到的数据可供机器学习和认知,IPA得以模仿和学习人的判断,随着时间的推移,做得比人更好。

利用RPA(或IPA)不需要显著的基础设施级投入,因为它仅涉及系统的表层,企业不需要改变底层技术。RPA的投资-回报期限短,可量化效益明显。然而,我们需要关注的不仅是短期的投资回报(尤其当回报来自于对劳动力成本的削减),还要关注RPA带来的其它效益。

例如,RPA为员工解决了重复的、枯燥的工作任务,使得他们有更多的时间进行知识密集型的工作。另外,客户满意度的提升也是RPA可以带来的重要价值。

许多银行的RPA应用案例已经很好地说明了这一点。与厂商WorkFusion合作,南非标准银行的对公开户时间从原来的23天降低到10分钟以内,摩根史坦利银行的个人房屋贷款发放流程从原来的3周缩短到几个小时......

传统技术(包括RPA)和AI技术(IPA)的流程自动化能力与限制

机器人/智能流程自动化在银行中的应用

银行庞杂的中后台流程和相互之间很难互通的遗留系统,造成大量系统与系统,数据与数据之间必须通过人工协调的情形。这些高流量的,重复的,趋于风险和失误的流程是RPA的应用首选。

以KYC和AML为例,银行可以使用RPA,将原来由人工执行的——监管信息和动态的提取过程自动化 (通常一位合规经理需要花费15%的时间在监管追踪上)。机器人可以将关键信息通过Dashboard, 数据库,Excel表格,合规报告等形式直接呈现。

根据埃森哲对实施RPA项目的银行客户的统计,通常RPA可以为银行节省20-60%的开支,而且短时间内可以看到回报:一个简单的RPA项目,最短三个月,复杂一些的,最短12个月可以实现盈亏平衡。

银行的机器人/智能流程自动化案例

德意志银行:与WorkFusion合作后,德意志银行在贸易金融、现金运营、贷款运营等领域应用RPA(及人工智能),各个领域实现的自动化程度为30%到70%不等。RPA甚至减少了培训员工的时间,在日常工作中对员工起到指导作用。

巴克莱银行:在欺诈识别,风险监控,贷款申请等流程实施RPA,一年内的坏账准备减少了1.7亿英镑。

摩根史坦利银行:与厂商WorkFusion在个人房屋贷款和小企业贷款发放领域合作, 80%的交易流程由原来的3周缩短到了几个小时。

纽约梅隆银行: BluePrism为RPA供应商,纽约梅隆银行在交易结算等8个领域开展试点项目。以交易结算为例,过去需要5-10分钟人工处理的异常交易,机器人可以在四分之一秒内处理完毕。

在梅隆银行,RPA的应用是更高层次的转型项目的一部分。梅隆银行成立了一个RPA团队，与业务条线领导者及全行的转型团队合作,一起推进RPA的应用。全球客户服务负责人Doug Shulman表示,在流程自动化这件事上,梅隆银行将光学字符识别、流程改造、机器人等多种技术整合在了一块。同时, 他们很看好RPA和人工智能的结合。

企业应如何开始智能流程转型?

对于那些希望利用IPA(或RPA)企业来说,最重要的考虑因素是战略。战略性地使用IPA,企业将获得长远的利益。

企业必须对自身的战略以及实现战略所需的运营能力有深刻的了解,从而明确需要着重进行改造的流程。在此基础之上,通过评估、匹配不同的方法和资源,推动目标运营模型的建立。

IPA只是打造卓越运营的工具之一,企业只有理解IPA如何与其它能力/方法一起在企业运营模型中运作,IPA才能发挥最大的价值。

其次,企业需要制定全面的IPA解决方案计划并明确优先级。单一技术的利用不足以获取价值,企业需要构想及制定全面的优化项目,或者将各项技术的应用整合到正在进行中的更大范围的优化项目 (如精益/流程转型项目)中。

在对IPA计划进行优先级排序的过程中,预期效果、实施时间、以及扩大应用规模的可行性都是重要的考量因素。

接下来,企业可以通过试点项目,向全面的IPA转型计划过渡。选取一条端到端的流程或客户旅程为试点,利用IPA进行流程重塑和优化,可以验证IPA/RPA的快速投资-回报预期,增强利益相关者对IPA的理解和重视。另一方面,通过试点项目了解影响ROI的驱动因素，可以帮助我们将应用规模化。

企业通常从RPA项目开始探索机器人和人工智能的流程自动化能力。正确地利用RPA也要从大背景入手。最基本的,企业需要了解真正的挑战是什么,掌握基础的数据和流程走向,找到影响质量的根本问题。然后,企业需要思考解决问题的方式有哪些,RPA是否包括在内,进而选取最合适的一种。

不当地使用RPA可能加速新问题的产生,以及使得寻找根本原因的分析过程变得更难。事实上,在应用RPA之前,企业需要重新思考已有的流程,提出几个问题:流程是否有效?流程是否高效?如果一项流程本身是可以被优化甚至被撤销的，轻微的流程重设可能比自动化带来的效果更好。

值得注意的是,虽然简单的RPA软件的实施过程非常轻松,但随着自动化及智能化复杂程度和规模的升级,难度也将逐渐增加。同时,更多人工智能技术的应用也提出了更多的数据需求考验供应商的整合能力。

“系统升级、底层架构、不断演进的商业流程,这些都是我们在流程自动化过程中要 考虑的因素”, Dean Mazboudi谈道,“每一次在已有系统之上叠加自动化,你需要关注此举对底层技术的影响,以及了解底层技术的改变是否有可能打破自动化流程。”

又到了兑现承诺的时候！

兴业数金区块链云服务今天起，正式开启免费试用！！

兴业数金区块链云服务今天起，正式开启免费试用！！

兴业数金区块链云服务今天起，正式开启免费试用！！

（重要的事情说三遍）

兴业数金全新推出区块链云服务系列——基于 Hyperledger1.0正式版的高安全高性能BlockChain as a Service平台，支持X86和LinuxONE硬件平台混合组网。不仅实现一键部署网络，更有多通道设置功能，快速选择不同节点加入对应业务场景，让业务创新更加方便快捷。

这么强大的平台，即日起提交注册信息就可免费试用。

抢先注册，更有机会获得区块链应用构建的专家指导。

试用操作手册如下

输入域名 http://blockchain.cibfintech.com，打开页面为兴业数金区块链平台的登录界面，点击注册用户。

跳转到注册界面

依次填写：姓名、手机号、公司邮箱、公司名称、职位、业务介绍、应用场景，并选择区块链模板。

①业务介绍和应用场景为选填项，请尽量填得详细些，方便后续评估业务量大小和所需资源容量。

②区块链模板目前可选的是高性能2个组织4个peer，之后将开放更多高性能模板。

选择之后点击提交，提示申请成功，请耐心等待管理员的处理。

经初步审核后，我们会将登录名、密码以及区块链平台的用户使用手册通过兴业数金cftcloud@cibfintech.com邮箱发送到用户预留的企业邮箱中，请注意查收哦！

功能很强大，注册流程很方便，赶紧来试用吧！

9月21日至22日，兴业数金“2017年银银合作行科技服务与业务发展联动会议”在青岛举办。来自全国各地160多家村镇银行的高管、40家发起行的行领导和科技负责人以及兴业银行集团等300多人参会。

本次会议围绕同业合作、信息科技、互联网金融云服务等议题进行深入探讨，推进各方更深层次的合作与交流。

（兴业数金总裁陈翀先生致辞）

会议上，兴业数金总裁陈翀先生在致辞中表达了对合作行领导的欢迎和感谢，着重介绍了兴业数金成立以来的发展和变化，以及为支持合作行业务发展、提升合作行服务水平所做出的努力，得到了合作行的认可。兴业数金金融云事业部向参会合作行领导做了本年度金融云整体运营服务情况的专题报告，介绍了公司系统产品规划与建设情况，并重点推介了公司创新项目——聚合网贷平台。

除此外，兴业银行银行合作中心总经理助理陈通围绕中小银行发展转型，分享了兴业银行的经验与思考；兴业研究宏观分析师何津津则向合作行展示了对近期宏观经济形势的最新研究成果，为合作行领导对经济形势的研判和决策提供了重要依据。

和许多在数字时代涌现的话题一样，开放银行有支持者也有批判者。让第三方接入金融机构，开放平台可以激发围绕银行数据开发的新应用的诞生。但许多银行担心的是，这相当于把机遇让给竞争者，甚至危及自身的客户关系。试想一下，当一个第三方的聚合平台将客户所有的金融服务商的账户都放在一个地方，客户还会去找银行吗？

让争议更加激烈的是新的监管规定，尤其是欧盟的PSD2：要求银行在2018年前实现对第三方的开放。不管你喜不喜欢这个主意，平台都是要开放的。

然而，如果说有银行是喜欢这项规定的，那意大利的Banca Sella就是其中之一。

长久以来，Banca Sella都是开放平台的支持者和实践者，将开放模式看作一个更好地服务既有客户和吸引新客户的机遇。

在一次与BCG顾问Filippo Scognamiglio的交流中，Banca Sella银行的CEO Pietro Sella就开放银行带来的潜力、挑战和变化，以及银行该如何将开放模式转化成优势表达了自己的看法。

一起来看看BCG顾问对意大利Banca Sella银行CEO Pietro Sella的专访，相信大家会有所启发！

Q: 近年来，Banca Sella越来越聚焦于数字化。公司战略上是如何考虑通过技术，或者更具体一些，通过开放平台创造竞争优势的？ 

A: 面对新技术，我们一直是先行应用者，因为这可以让我们更好地服务客户，创造竞争优势。回到70年代，我们是意大利第一个实现网点间实时连接的银行。90年代的互联网化让我们看到了新的客户需求，因此我们开展了新业务。如今，超过40%的商户使用我们的技术。在1999年，我们做出决定，将原有IT架构改造成开放平台的架构。

我认为开放平台是必然趋势。开放平台促进技术的发展，因为客户不仅连接到平台上，还将为之做出贡献。实际上，客户的需求主要是客户自己在解决。通过许多服务器－服务器的连接，我们服务客户已有差不多19年，但这仅仅是发展早期。有了更多的API，可以创造银行网关，允许客户直接与银行和各种各样的服务进行连接。

Q: 开放银行的主要应用方向是什么？您在哪里看到了开放平台的驱动力和增长潜力？

A: 我认为开放银行的主要驱动力是共享经济。所有一定程度上建立在涉及群体的贡献或服务分销上的商业模式——从众筹到B2B2C到供应链数字化，都对金融和银行服务提出了新要求，需要多对多的连接，需要一些新的支付方式。过去的10年，传统的电商是金融科技解决方案的主要驱动力。然而现在不是了，现在需要服务于共享经济的解决方案。

所以，我们在自己这端加了一层保护，采用了一种新的欺诈保护发现异常交易。需要强调的是，当个人客户通过手机或平板接入，用户每一次做的事情可能都不一样，所以想要识别异常行为不容易。然而，如果交易是通过API接入，模式上更加规律，所以更容易发现异常。

Q: 那么您如何处理合规问题呢？

A: 这方面，我们尽可能做到严格遵守。这意味着遵循规定，也意味着当规定不明晰，也不去占任何便宜。对银行来说，无论交易通过什么渠道进来，风险都是一样的，所以我们必须管理这些风险。开放银行监管还没有很清楚，但在欧盟，我们有PSD2作参考。虽然正式落实是在2018年，但准备 工作已经开展了五到六年。我们的做法是，始终关注监管者的想法，并做到技术标准合规——甚至在标准正式出台之前就已达标。

Q: 客户或者第三方在接入平台，与银行合作之前需要经过怎样的流程？

A: 目前，我们没有一个完全开放、标准的流程。我们总是在与客户交谈，了解他们的需求和他们想要达到的效果，这是倾听、了解、尝试共同创造和优化解决方案的过程。

Q:这项流程将来会完全自助化吗？

A: 当然，我们一定要做到。如果交易是简单的，你的KYC政策和安全措施是好的，那连接应该是简单的。复杂的情形下，我们或许需要采用当下的做法。

Q: 您提到PSD II和欧盟不断演进的监管环境。那么您怎么看PSD II？它意味着威胁、成本、机遇亦或这一切的融合？

A: 这取决于你如何适应它。当然这将带来成本，是一项威胁。但我首先把它看成机遇，PSD II的一些内容，例如即时支付和API规定，为新的商业模式带来可能;另一方面，通过允许第三方接入银行，PSD II意味着如果银行没有好的解决方案，很好的架构。

如果还是复杂的官僚机制，那么将面临客户关系被他者取代的风险。威胁来自第三方机构在价值链所有环节都提供更好的服务，使得银行仅作为交易服务商存在。

Q: 在美国，账户聚合者引发了激烈的争论，尤其是它们和大银行的关系。您对提供这些聚合服务的公司怎么看？是合作伙伴、竞争者或是别的？您将如何与它们接触？

A: 它们当然是竞争者，同时也是合作伙伴，因为银行有太多不能或者不愿意深入的新场景和解决方案。因此就算面临客户关系被替代的危险，许多领域是第三方机构更适合去做的。如果双方合作的不错，那么你将看到新的交易机会和利益。所以，我们的策略是竞合、互惠共赢。

Q: 开放银行这件事会影响到所有类型的银行：小型的，大型的，以及Banca Sella这样的中型机构。您认为不同类型的银行拥有的相对优势和面临的挑战会不一样吗？

A: 一个简单的回答是：小银行更快。小银行更能倾听客户，没有遗留IT系统，更容易解决客户的问题；如果你是大银行，你将有资金，有能力打造和管理一个大的开放平台。然而，究竟归类为小型、中型、大型银行并不是最重要的因素。真正重要的是战略，技术管理能力，以及以满足客户需求为目的的组织能力。

如果你是一家技术雄厚的中型银行，现在是最佳时机：没有组织架构和监管上的问题，或者那些让银行难以满足客户需求的遗留IT系统。所以我相信中型银行，如果经营得好，可以（在开放银行这方面）做得很好。

Q: 提到开放平台，有没有特定的领域是整个行业，包括小型、中型、大型银行应该一起合作的？

A: 有许多。以电信行业为例子，想想WhatsApp和其它类似的服务，当它们掌控了智能手机的通讯录，它们也把整个短信市场从电信运营商手里抢过来了。电信运营商的错误是没能突破传统，没能在所有人都使用同一种平台或解决方案的时候创造协同。银行可以在那些它们不再拥有竞争优势的地方合作以节省成本，以及创造平台，进入新的市场，获取新的客户。

Q: 开放银行背景下的产品开发和传统的数字产品开发有不一样吗？体现在哪里？

A: 有两个主要的区别。首先，在开放的环境下，除了你的员工，外部人员也可以塑造产品。其次，开放银行环境下，软件交付速度的预期提升了。你需要组织你的开发环境从而变得更快，以及让客户和社区为你贡献更多。我们的做法是建立一个Fintech加速器，我们可以与客户合作，以敏 捷的方法快速做出产品原型。

当产品需要核心银行系统的深入改造，我们则必须采用瀑布开发模式，但这是少数情况。实际上，我们创造了一个做原型的沙盒，当原型是好的，我们就进行生产。这个过程，已有产品的改造需要一个月时间，新产品的创造则通常需要三个月。采用传统的瀑布模式将耗时6-9个月。

Q: 让我们谈谈用于管理整个开放架构的基础设施。您用什么API去连接合作伙伴，甚至是国外的合作伙伴？

A: 我们从Axway买了一项产品用于环境搭建。我们自己也有一个大的开发社区，印度也有据点。我们对技术人员会做培训，让他们懂得如何使用这些工具，因此我们的产品面世更快。我们是第一个开放自己的API的意大利银行，但我们致力于超越这项成就。我们的愿景是构建一个Fintech API平台，不仅开放Banca Sella的API，也开放第三方的解决方案。

Q: 您已经谈了Banca Sella的开放银行战略，以及您的公司如何与合作伙伴、客户和其它银行合作。那么，您如何定义成功？

A: 长期来看，技术通过更强的，高质量的客户关系带来价值。随着开放银行模式下新的交易出现，我会去看这些交易中有多少是我们可以管理的，看我们的市场份额。这用来衡量我的成功。

Q: 最后，让我们想象5到10年后，当开放银行平台为你带来超过10亿美元的收入，这些收入从哪 里来？涉及哪些客户、服务？

A: 电商崛起的时候，我们对可带来价值的新客户和交易有一些想法，最终被证明与事实完全不一样。我的观点是最好不要先入为主。的确，我认为物联网、共享经济和金融科技可以驱动新交易、新需求，新的服务客户的方式。

Q: 谢谢，Pietro。您有什么想要补充的吗？

A: 理论上，人们现在不需要银行就能满足许多金融需求。然而银行有它最大的竞争优势，那就是管理风险，合规与客户需求的能力。在开放环境下，我们必须利用这种优势。现在一定是颠覆性的时刻，你所做的将决定你是否有未来。

9月19日，由中国信息通信研究院主办、数据中心联盟承办的2017可信区块链峰会暨可信区块链联盟成立大会在北京举行。此次峰会上，兴业数金“倚天鉴电子合同服务平台”产品获评“2017可信区块链峰会-优秀区块链应用案例”。

本次峰会聚焦区块链技术和运用，大会现场，中国支付清算协会副秘书长王素珍表示，区块链正在助力支付清算等金融行业的发展，鼓励和推动区块链发展符合我国共享经济的发展潮流。当前，建立统一完备的区块链技术标准是区块链产业良性发展的重要保障。

此次案例评审，有31家企业参评，由政府监管部门人员和行业专家共同组成评审团进行选评和答辩。兴业数金积极筹备，最终“倚天鉴电子合同服务平台”产品在参评产品中脱颖而出。

（现场颁奖图 右四为兴业数金研究开发总部总经理 纪建锋）

兴业数金倚天鉴电子合同服务平台意为“基于区块链联盟存证和可靠电子签章的电子存鉴平台”，综合身份认证、线上合同签署、有效数字签名、区块链安全存证等多种功能，打造产业互联网金融时代中银行级线上合同签署及存证服务平台。

其中，区块链存证采用分布式网络、密码学和共识机制等技术，具有数据不可篡改、系统集体维护、信息公开透明等特性。倚天鉴联合多家权威公证处构建区块链联盟，利用区块链技术分布式存储、不可篡改的特点，将电子签约合同的合同要素、合同签署日志等关键要素生成不可逆的哈希值存储在区块链联盟各节点上。通过倚天鉴平台签署的电子合同都自动进行区块链存证，可以实现过程可公证、事后可鉴定、在线可出证等功能。

倚天鉴电子合同服务平台自上线以来已运用于券商、信托、互联网金融等多个机构，已签署10125份合同！